广义SEIR流行病模型(拟合与计算)

描述

数值实现了具有七种状态的广义SEIR模型[2]。除了依赖于函数“lsqcurvfit”的拟合外，该实现是从头开始的。因此，目前的实现可能不同于参考文献[2]中使用的实现。

这个Matlab实现还包括一些与ref.[2]的主要区别。其中，死亡率和恢复率的表达是时间的分析和经验函数。这种时间依赖性背后的想法是，随着时间的增加，死亡率和恢复率应该趋近于一个常量。如果死亡率保持不变，死亡人数可能会被高估。出生和自然死亡并不是这里的模型。这意味着总人口，包括死亡病例数，保持不变。请注意，ref.[2]是未经同行评审的预印本，我没有足够的资格来判断论文的质量。

内容

本文件包括:

• 一个SEIQRDP函数。M，用于模拟感染、康复和死亡病例的时间历史(以及其他)

• 一个fit_SEIQRDP函数。m估计SEIQRDP中使用的10个参数。M在最小二乘意义上。

• 一个示例文件Documentation。Mlx，给出了数值实现。

• 一个示例文件Example_province_region。mlx使用了约翰·霍普金斯大学为中国湖北省COVID-19流行病收集的数据。

• 一个示例文件Example_Country。mlx，它使用了约翰·霍普金斯大学收集的一个国家COVID-19流行[3]的数据。

• 一个文件“ItalianRegions。作者:Matteo Secli (https://github.com/matteosecli)我对其进行了修改，以使其更加牢固。

• 一个示例文件chineseprovices.mlx，说明了如何在for循环中使用fit_SEIQRDP.m函数来拟合来自中国不同省份的数据[3]。

• “uncertaintiesIssues一个例子。，说明了拟合有限数据集的危险。

• 一个示例“example_US_cities.mlx”说明了“恢复”数据不可用时的拟合。

• 一个例子是模拟多重波，mlx，它说明了多个流行波的拟合。

• 一个函数getDataCOVID，它从[3]读取由约翰霍普金斯大学收集的数据。

• Matteo Secli编写的一个函数getDataCOVID_ITA(https://github.com/matteosecli)，从意大利政府[4]收集意大利COVID-19大流行的最新数据

• 一个函数getDataCOVID_US从[3]收集美国的更新数据

• 一个函数checkRates.m，用于绘制拟合和计算的死亡率和恢复率（质量检查）

• 一个函数getMultipleWaves。m，模拟SEIRQDP模型并将其适合于检测到多个流行波的情况。

欢迎提出任何问题、意见或建议。

参考文献

［１］https://en.wikipedia.org/wiki/Compartmental_models_in_epidemiology#Bio-SIR模型的数学确定性处理

L。[2]Peng,杨,W。,,D,诸葛,C,和香港,L(2020)。基于动态模型的COVID-19在中国的流行分析arXiv预印本arXiv: 2002.06563。

[3]https://github.com/CSSEGISandData/COVID-19

[4]https://github.com/pcm-dpc/COVID-19

例1（意大利的新冠病毒-19病例）

扩展SEIR模型与实际数据的拟合提供了以下结果：

例2（湖北的新冠病毒-19病例）

扩展SEIR模型与实际数据的拟合提供了以下结果：

例3(多波情况)

扩展SEIR模型与实际数据的拟合提供了以下结果：